[發明專利]異構解碼網絡的構建方法及系統、語音識別方法及系統

有效

• 申請號: 201410290869.4
• 申請日: 2014-06-24
• 公開（公告）號: CN104064184B
• 公開（公告）日: 2017-03-08
• 發明（設計）人: 鹿曉亮;單言豐;劉強
• 申請（專利權）人: 科大訊飛股份有限公司
• 主分類號: G10L15/183
• 分類號: G10L15/183;G10L15/06
• 代理公司: 北京維澳專利代理有限公司11252
• 代理人: 王立民,吉海蓮

技術領域

本發明涉及語音信號處理技術領域，尤其涉及一種異構解碼網絡的構建方法及系統、語音識別方法及系統。

背景技術

語音識別技術就是讓機器通過識別和理解過程將語音信號轉變為相應的文本或命令的技術。現有的語音識別系統，通常只能單獨支持命令詞識別(基于規則的語音識別系統)或聽寫識別(基于統計的語音識識別系統)。因此，在一些多業務的場景(比如在車載設備上的應用，既需要命令詞識別，如“打電話給xxx”、“發短信給xxx”，還需要聽寫識別，如短信的內容，導航的目的地等；再比如手機語音助手上的使用，對于大部分的功能，比如聊天、查天氣、查股票等都是聽寫識別，但是打電話和發短信功能都是使用的命令詞識別)下，需要同時配置這兩種系統，實現多種不同語音業務的并聯識別。

基于規則的語音識別系統利用命令詞解碼網絡實現解碼，而基于統計的語音識別系統利用聽寫解碼網絡實現解碼。由于這兩種類型的解碼網絡的結構不同，所以針對這兩種類型的解碼網絡需要分別配置不同的識別引擎才能完成識別工作。這種方式不僅會占用大量系統資源，影響系統性能，而且，由于聽寫解碼網絡和命令詞解碼網絡的結構不一致，需要進行置信度判決來選擇最終的識別結果，可靠性差，效率低，而且增加了整個語音識別系統的復雜度。

發明內容

本發明實施例一方面提供了一種異構解碼網絡的構建方法及系統，可以在多業務的場景下，通過配置一套識別引擎完成多種不同業務的并聯識別、節省系統資源。

本發明實施例另一方面提供了一種基于該異構解碼網絡的語音識別方法及系統，以提高識別效果及識別效率，降低系統的復雜度。

本發明實施例提供一種異構解碼網絡的構建方法，包括：

獲取業務所需的命令詞解碼網絡和聽寫解碼網絡，所述命令詞解碼網絡的每個弧上保存有一個命令詞條以及對應所述命令詞條的聲學模型得分，所述聽寫解碼網絡的每個弧上保存有一個聽寫詞條以及均對應所述聽寫詞條的聲學模型得分和語言模型得分；

構建命令詞訓練數據集和聽寫訓練數據集，所述命令詞訓練數據集內的命令詞訓練數據由所述命令詞條構成，所述聽寫訓練數據集內的聽寫訓練數據由所述聽寫詞條構成；

利用所述命令詞訓練數據集和所述聽寫訓練數據集，確定命令詞解碼網絡的補償得分；

優化所述命令詞解碼網絡，并使優化后的命令詞解碼網絡的每個弧上保存有所述命令詞條、所述補償得分、以及對應所述命令詞條的聲學模型得分；

將優化后的命令詞解碼網絡和所述聽寫解碼網絡并聯組成異構解碼網絡。

優選地，所述利用所述命令詞訓練數據集和所述聽寫訓練數據集，確定命令詞解碼網絡的補償得分包括：

依次將所述命令詞訓練數據集內的每一個命令詞訓練數據輸入至所述命令詞解碼網絡和所述聽寫解碼網絡，分別得到對應所述命令詞訓練數據的第一命令詞網絡得分和第一聽寫網絡得分；所述第一命令詞網絡得分為與所述命令詞訓練數據相匹配的命令詞條對應的聲學模型得分，所述第一聽寫網絡得分為與所述命令詞訓練數據相匹配的聽寫詞條對應的聲學模型得分和語言模型得分之和；

依次將所述聽寫訓練數據集內的每一個聽寫訓練數據分別輸入至所述命令詞解碼網絡和所述聽寫解碼網絡，分別得到對應所述聽寫訓練數據的第二命令詞網絡得分和第二聽寫網絡得分，所述第二命令詞網絡得分為與所述聽寫訓練數據相匹配的命令詞條對應的聲學模型得分，所述第二聽寫網絡得分為與所述聽寫訓練數據相匹配的聽寫詞條對應的聲學模型得分和語言模型得分之和；

確定所述命令詞解碼網絡的補償得分，并使所述補償得分滿足預設條件：對于命令詞訓練數據集內的設定比例的命令詞訓練數據，所述第一命令詞網絡得分與所述補償得分之和大于所述第一聽寫網絡得分；對于聽寫訓練數據集內的設定比例的聽寫訓練數據，所述第二命令詞網絡得分與所述補償得分之和小于所述第二聽寫網絡得分。

優選地，所述確定所述命令詞解碼網絡的補償得分，并使所述補償得分滿足預設條件包括：

獲取滿足第一取值范圍且能夠整除第一步進量的第一參數，以及滿足第二取值范圍且能夠整除第二步進量的第二參數的所有參數組合；

依次對每一組參數組合，獲取所述命令詞訓練數據集內滿足第一預設條件的命令詞訓練數據個數，所述第一預設條件為：所述第一參數和所述命令詞訓練數據對應的第一命令詞網絡得分的乘積與所述第二參數的和，大于所述命令詞訓練數據對應的第一聽寫網絡得分；